选择实验获得的数据主要通过离散选择模型来完成。离散选择模型中，最主要的是logit模型。
之前已经介绍了二项logit模型回归的STATA实现（有修改）,多项logit模型详解,多项logit模型回归系数解读,多项logit模型回归的检验
继续认识混合logit模型。
最常用的异质性模型是混合logit模型（MixedLogit，MXL），也叫做随机参数模型（Radom Parameter Logit，RPL）。MNL模型需满足随机误差项服从严格的IID假设，而混合Logit 模型则放松了这一限制，允许参数在个体之间随机变动，通过模型参数的分布（均值、标准差）刻画个体的异质性，可以更好地进行异质性研究。在这里要注意，混合logit模型的含义在不同的教科书中有一些不同的界定。陈强的高级计量经济学及STATA应用中混合logit模型并不是可以进行异质性分析的，而只是区别条件logit模型中自变量只能是不随方案而变的，而加入随方案变化而变化的自变量后，就不能用条件logit，只能用这个模型。而本文所说的混合logit模型也就是随即参数模型，怎很多文献中都是这样应用的（朋文欢等，2017；刘伟等，2019）。
01 模型特点
混合logit模型与多项logit的区别可以从可观测效用函数
表示上来看出。
多项logit模型的可观测效用函数为：
混合logit模型的可观测效用函数为：
区别就是模型的估计参数不是一个值:
其中
是设置为固定变量的方案特征，其系数为
，仍为一个值。
其中
是设置为随机变量方案特征，其系数不是一个值，而是一个分布，并假设为正态分布，用分布（均值
、标准差
）的估计。可以用来刻画个体异质性，也就是说不同的个体对不同的特征有不同的偏好。
02 数据继续应用STATA官方系统数据inschoice.dta来介绍混合logit模型的回归程序。（下载该数据，可以关注公众号【选择实验法沙龙】并回复【保险数据】）该数据是记录250人的可用保险方案和选定方案的信息，可选择的保险方案共5个：Health、HCorp、SickInc、MGroup、MoonHealth。根据选定信息和个体特征，共形成6个变量，id、premium、deductible、income、insurance、choice。在之前的文章中已经应用过。stata16.0版本采用了新命令cmmixlogit作为官方命令，之前stata1５.0版中采用的命令asmixlogit不在作为官方命令．本文采用cmmixlogit估计混合logit模型（下载STATA16程序，可以关注公众号并回复【stata16】）
03 STA